工業(yè)高光譜是一種光學(xué)無(wú)損檢測(cè)技術(shù)，是光譜學(xué)與圖形學(xué)的結(jié)合，具有“圖譜合一”的數(shù)據(jù)特點(diǎn)，在食品、藥品、紡織品、材料、零部件、元器件等產(chǎn)品的成分質(zhì)量檢測(cè)、生產(chǎn)過(guò)程監(jiān)測(cè)、服役過(guò)程監(jiān)測(cè)、快速分類(lèi)回收等領(lǐng)域具有廣泛的應(yīng)用潛力。然而在實(shí)際的品質(zhì)檢測(cè)場(chǎng)景中，存在著被測(cè)對(duì)象缺陷類(lèi)型多樣，缺陷樣本收集困難的問(wèn)題。因此，針對(duì)高光譜傳感建立只需要少量缺陷樣本，甚至只需要正常樣本的無(wú)監(jiān)督/半監(jiān)督缺陷檢測(cè)方法，具有重要的科學(xué)研究意義。

　　近日，廣東省科學(xué)院智能制造研究所智能傳感技術(shù)團(tuán)隊(duì)研究提出一種基于高光譜傳感與自監(jiān)督編碼器的異常檢測(cè)方法。該方法構(gòu)建真實(shí)/合成樣本自監(jiān)督分類(lèi)器，引導(dǎo)自編碼器的訓(xùn)練，實(shí)現(xiàn)編碼網(wǎng)絡(luò)和自監(jiān)督分類(lèi)網(wǎng)絡(luò)的聯(lián)合優(yōu)化。將該方法應(yīng)用于水果品質(zhì)異常檢測(cè)，只需采用正常水果高光譜數(shù)據(jù)進(jìn)行訓(xùn)練，對(duì)瘀傷、真菌感染、表面沾污三種品質(zhì)異常水果進(jìn)行檢測(cè)，相比一維自編碼器、一維變分自編碼器、二維自編碼器、單分類(lèi)支持向量機(jī)、自監(jiān)督分類(lèi)器等對(duì)比算法，檢測(cè)精度分別提升了29.0%、 21.2%、55.5%、 28.1%、 24.9%。

基于自監(jiān)督編碼網(wǎng)絡(luò)的品質(zhì)異常檢測(cè)原理圖

水果品質(zhì)異常檢測(cè)實(shí)物圖

　　研究團(tuán)隊(duì)還將特征余弦相似度作為異變因子，進(jìn)行品質(zhì)異常的可視化，結(jié)果顯示該方法能夠準(zhǔn)確顯示瘀傷、真菌感染和表面沾污等三種質(zhì)量缺陷的位置和形狀。尤其重要的是，研究發(fā)現(xiàn)不同類(lèi)型的品質(zhì)異常具有不同的光譜異常擴(kuò)展特性，這為進(jìn)一步的損傷進(jìn)展動(dòng)態(tài)檢測(cè)與損傷機(jī)理研究奠定理論與實(shí)踐基礎(chǔ)。

水果品質(zhì)缺陷可視化圖

　　相關(guān)研究成果發(fā)表于Computers and Electronics in Agriculture期刊（ 農(nóng)林科學(xué)1區(qū)Top，IF=6.757），省科學(xué)院智能制造所劉憶森博士為論文第一作者。

　　論文鏈接：https://www.sciencedirect.com/science/article/pii/S0168169922003246

（省科學(xué)院智能制造所/供稿）